English | 简体中文
本例程用于说明如何使用sophon-stream快速构建视频目标检测应用。
源代码 (https://github.com/biubug6/Pytorch_Retinaface)
本例程中，retinaface算法的前处理、推理、后处理分别在三个element上进行运算，element内部可以开启多个线程，保证了一定的检测效率
- 支持BM1684X、BM1684(x86 PCIe、SoC)、BM1688(SoC)、CV186X(SoC)
- 支持多路视频流
- 支持多线程
在scripts目录下提供了相关模型和数据的下载脚本 download.sh。
# 安装unzip，若已安装请跳过，非ubuntu系统视情况使用yum或其他方式安装
sudo apt install unzip
chmod -R +x scripts/
./scripts/download.sh下载的模型包括：
./models/
│ ├── BM1684
│ │ ├── retinaface_mobilenet0.25_fp32_1b.bmodel # 用于BM1684的FP32 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_int8_1b.bmodel # 用于BM1684的INT8 BModel，batch_size=1，后处理在CPU上进行
│ │ └── retinaface_mobilenet0.25_int8_4b.bmodel # 用于BM1684的INT8 BModel，batch_size=4，后处理在CPU上进行
│ ├── BM1684X
│ │ ├── retinaface_mobilenet0.25_fp16_1b.bmodel # 用于BM1684X的FP16 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_fp32_1b.bmodel # 用于BM1684X的FP32 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_int8_1b.bmodel # 用于BM1684X的INT8 BModel，batch_size=1，后处理在CPU上进行
│ │ └── retinaface_mobilenet0.25_int8_4b.bmodel # 用于BM1684X的INT8 BModel，batch_size=4，后处理在CPU上进行
│ ├── BM1688
│ │ ├── retinaface_mobilenet0.25_fp16_1b_2core.bmodel # 用于BM1688的双核FP16 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_fp16_1b.bmodel # 用于BM1688的FP16 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_fp32_1b_2core.bmodel # 用于BM1688的双核FP32 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_fp32_1b.bmodel # 用于BM1688的FP32 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_int8_1b_2core.bmodel # 用于BM1688的双核INT8 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_int8_1b.bmodel # 用于BM1688的INT8 BModel，batch_size=1，后处理在CPU上进行
│ │ ├── retinaface_mobilenet0.25_int8_4b_2core.bmodel # 用于BM1688的双核FP16 BModel，batch_size=4，后处理在CPU上进行
│ │ └── retinaface_mobilenet0.25_int8_4b.bmodel # 用于BM1688的INT8 BModel，batch_size=4，后处理在CPU上进行
│ └── CV186X
│ ├── retinaface_mobilenet0.25_fp32_1b.bmodel # 用于CV186X的FP32 BModel，batch_size=1，后处理在CPU上进行
│ └── retinaface_mobilenet0.25_int8_1b.bmodel # 用于CV186X的INT8 BModel，batch_size=1，后处理在CPU上进行模型说明:
以上模型移植于Retinaface官方，插件配置mean=[104,117,123]，std=[1,1,1]。
下载的数据包括：
./images/
├── face # 测试图片和视频
│ └── test
│ ├── face
│ └── videos
├── WIDERVAL
└── wind如果您在x86/arm平台安装了PCIe加速卡（如SC系列加速卡），可以直接使用它作为开发环境和运行环境。您需要安装libsophon、sophon-opencv和sophon-ffmpeg，具体步骤可参考x86-pcie平台的开发和运行环境搭建或arm-pcie平台的开发和运行环境搭建。
如果您使用SoC平台（如SE、SM系列边缘设备），刷机后在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包，可直接使用它作为运行环境。通常还需要一台x86主机作为开发环境，用于交叉编译C++程序。
可以直接在PCIe平台上编译程序，具体请参考sophon-stream编译
通常在x86主机上交叉编译程序，您需要在x86主机上使用SOPHON SDK搭建交叉编译环境，将程序所依赖的头文件和库文件打包至sophon_sdk_soc目录中，具体请参考sophon-stream编译。本例程主要依赖libsophon、sophon-opencv和sophon-ffmpeg运行库包。
retinaface demo中各部分参数位于 config 目录，结构如下所示：
config/
├── decode.json # 解码配置
├── engine_group.json # sophon-stream 简化的graph配置
├── engine.json # sophon-stream graph配置，需要分别配置前处理、推理和后处理文件
├── retinaface_demo.json # demo输入配置文件
├── retinaface_group.json # 简化的retinaface配置文件，将retinaface的前处理、推理、后处理合到一个配置文件中
├── retinaface_infer.json # retinaface 推理配置文件
├── retinaface_post.json # retinaface 后处理配置文件
└── retinaface_pre.json # retinaface 前处理配置文件其中，retinaface_demo.json是例程的整体配置文件，管理输入码流等信息。在一张图上可以支持多路数据的输入，channels参数配置输入的路数，sample_interval设置跳帧数，loop_num设置循环播放次数，channel中包含码流url等信息。
配置文件中不指定channel_id属性的情况，会在demo中对每一路数据的channel_id从0开始默认赋值。
{
"channels": [
{
"channel_id": 2,
"url": "../retinaface/data/images/wind",
"source_type": "IMG_DIR",
"loop_num": 1,
"sample_interval": 1,
"fps": -1
},
{
"channel_id": 3,
"url": "../retinaface/data/images/wind",
"source_type": "IMG_DIR",
"loop_num": 1,
"sample_interval": 1,
"fps": -1
},
{
"channel_id": 20,
"url": "../retinaface/data/images/wind",
"source_type": "IMG_DIR",
"loop_num": 1,
"sample_interval": 1,
"fps": -1
},
{
"channel_id": 30,
"url": "../retinaface/data/images/wind",
"source_type": "IMG_DIR",
"loop_num": 1,
"sample_interval": 1,
"fps": -1
}
],
"download_image": true,
"draw_func_name": "draw_retinaface_results",
"engine_config_path": "../retinaface/config/engine_group.json"
}engine_group.json包含对graph的配置信息，这部分配置确定之后基本不会发生更改。
这里摘取配置文件的一部分作为示例：在该文件内，需要初始化每个element的信息和element之间的连接方式。element_id是唯一的，起到标识身份的作用。element_config指向该element的详细配置文件地址，port_id是该element的输入输出端口编号，多输入或多输出的情况下，输入/输出编号也不可以重复。is_src标志当前端口是否是整张图的输入端口，is_sink标识当前端口是否是整张图的输出端口。 connection是所有element之间的连接方式，通过element_id和port_id确定。
[
{
"graph_id": 0,
"device_id": 0,
"graph_name": "retinaface",
"elements": [
{
"element_id": 5000,
"element_config": "../retinaface/config/decode.json",
"ports": {
"input": [
{
"port_id": 0,
"is_sink": false,
"is_src": true
}
]
}
},
{
"element_id": 5001,
"element_config": "../retinaface/config/retinaface_group.json",
"inner_elements_id": [10001, 10002, 10003],
"ports": {
"output": [
{
"port_id": 0,
"is_sink": true,
"is_src": false
}
]
}
}
],
"connections": [
{
"src_element_id": 5000,
"src_port": 0,
"dst_element_id": 5001,
"dst_port": 0
}
]
}
]retinaface_group.json等配置文件是对具体某个element的配置细节，设置了模型参数、动态库路径、阈值等信息。该配置文件不需要指定id字段和device_id字段，例程会将engine.json中指定的element_id和device_id传入。其中，thread_number是element内部的工作线程数量，一个线程会对应一个数据队列，多路输入情况下，需要合理设置数据队列数目，来保证线程工作压力均匀且合理。
{
"configure": {
"model_path": "../retinaface/data/models/BM1684X/retinaface_mobilenet0.25_fp32_1b.bmodel",
"max_face_count":50,
"score_threshold":0.1,
"threshold_nms": 0.4,
"bgr2rgb": false,
"mean": [
104,
117,
123
],
"std": [
1,
1,
1
]
},
"shared_object": "../../build/lib/libretinaface.so",
"name": "retinaface",
"side": "sophgo",
"thread_number": 4
}对于PCIe平台，可以直接在PCIe平台上运行测试；对于SoC平台，需将交叉编译生成的动态链接库、可执行文件、所需的模型和测试数据拷贝到SoC平台中测试。测试的参数及运行方式是一致的，下面主要以PCIe模式进行介绍。
运行可执行文件
./main --demo_config_path=../retinaface/config/retinaface_demo.json8路视频流运行结果如下:
total time cost 4798582 us.
frame count is 920 | fps is 191.723 fps.目前，retinaface例程支持在BM1684X和BM1684的PCIE、SOC模式下进行推理，支持在BM1688和CV186X的SOC模式下进行推理。
测试数据/data/images/wind，编译选项为Release模式，使用int8模型，结果如下:
| 设备 | 路数 | 算法线程数 | CPU利用率(%) | 平均FPS |
|---|---|---|---|---|
| SE7 | 4 | 4-4-4 | 381 | 428.797 |
| SE9-16 | 4 | 4-4-4 | 400 | 302.932 |
测试说明：
- 性能测试结果具有一定的波动性，建议多次测试取平均值；
- SE5/SE7主控CPU均为8核 ARM A53 42320 DMIPS @2.3GHz，SE9-16为8核[email protected]，SE9-8为6核[email protected]；